如何用Pandas遍历列计算工作日并将NaTs转换为NaN？

步骤说明 #

1. 转换月/日列为完整日期：把每个月/日列的字符串和Event Date的年份组合，生成当年的完整日期，无效日期（比如非闰年的2/29）会转为NaT。
2. 计算工作日天数：用pd.busday_count统计两个日期之间的工作日数量，NaT会自动转为NaN。
3. 替换原列结果：把计算出的工作日天数替换原月/日列的值。

代码实现 #

import pandas as pd

# 假设你的DataFrame已加载，且'Event Date'列是datetime类型
df = pd.read_csv('your_data.csv', parse_dates=['Event Date'])

# 筛选出所有月/日列（排除'Event Date'）
month_day_columns = [col for col in df.columns if col != 'Event Date']

# 第一步：将月/日列转换为当年的完整日期
for col in month_day_columns:
    # 组合Event Date的年份与当前列的月/日，生成datetime
    df[col] = pd.to_datetime(
        df['Event Date'].dt.year.astype(str) + '-' + col,
        errors='coerce'  # 无效日期转为NaT
    )

# 第二步：计算工作日天数
df[month_day_columns] = df[month_day_columns].apply(
    lambda col: pd.busday_count(col, df['Event Date']),
    axis=0
)

# 查看结果
print(df)

关键细节 #

• pd.busday_count(start, end)：统计start到end之间的工作日数量（不包含end），如果start晚于end会返回负数。
• errors='coerce'：确保无效的月/日组合（如非闰年的2/29）转为NaT，后续计算自动转为NaN。
• 若需要反向计算（即Event Date到目标日期的工作日数），只需调换busday_count的参数顺序：pd.busday_count(df['Event Date'], col)

内容的提问来源于stack exchange，提问作者Amen_1990